当我将文本从PDF文件中复制到文本编辑器中时，它最终会以各种方式被破坏。像粗体和斜体这样的格式会丢失；文本段落中的软换行符转换为硬换行符；即使在不应该用破折号将两行打断的情况下，破折号也会保留下来；单引号和双引号替换为？迹象。
理想情况下，我希望能够从PDF复制文本并将格式转换为HTML代码，将“智能引号”转换为“和”，并且换行符正确完成。有什么办法可以做到这一点？
Answers:
首先，您必须了解什么是PDF。PDF文件被设计成模仿一个打印页，并且它们被设计只作为输出格式，而不是输入格式。PDF基本上是一张包含字符（各个字母或标点符号等）或图像的确切位置的地图。在大多数情况下，PDF甚至不存储有关一个单词的结尾和另一个单词的开头的信息，少了诸如段落结尾的软中断和硬中断等信息。
（最近的一些PDF确实存储了有关这些内容的一些信息，但这是一项新技术，您很幸运能够找到这样的PDF。即使您这样做，您的PDF查看器也可能不知道它。）
无论如何，要由软件来实现某种“人工智能”，以仅从单个字符的位置提取什么是单词，什么是段落等。不同的软件将比其他软件做得更好，而且还取决于PDF的制作方式。无论如何，您永远都不要期望完美的结果。具有输出PDF与具有源文档是不同的。如果可以的话，尝试获得更好的选择。
解决此类问题的标准方法是使用Adobe Acrobat Professional（价格昂贵，而不是免费的阅读器）将PDF转换为HTML。即使那样也无法获得完美的结果。
有一些免费软件可以用来从PDF中提取格式完整的文本，但是同样，不要指望完美的结果。参见例如口径（可以转换为RTF格式），pdftohtml / pdfreflow或AbiWord文字处理器（启用所有导入/导出插件）。还有一个用于OpenOffice的PDF导入插件。
但是，请不要期望这些结果中的任何一个都能达到完美。你在这里反对谷物。PDF并不意味着它是可编辑的输入格式。
有一个非常好的在线工具，称为Sej-da。它处理高级PDF操作。没有要下载的软件。由于它是一个新的在线工具，因此目前仍处于Beta版。它使您可以从PDF中提取文本，以及提供多种其他PDF功能。
修订版3于2012年11月14日对sejda函数进行了简短的视频回顾，可在此处找到：
使用浏览器打开PDF文件（已测试Google chrome和firefox），然后在此处复制文本。
您可以为此使用Adobe Acrobat Pro。
对于表：Acrobat 9/10具有一个选择表功能。使用Acrobat X，您只需单击另存为>电子表格> Excel。甚至可以将页面连接成一个较长的电子表格。很棒的功能。
对于文本：存在用于导出到MS Word的类似功能。另存为> Word> Word文档。
资料来源：
我试图保存表格中组织的pdf的文本和格式。在Acrobat Professional中，我意识到有一个“另存为”选项，可以另存为excel文档。这很好地满足了我的需求。我还注意到，还有一个“另存为Word”文档选项。我没有尝试过。